高频订单成交数据蕴含的Alpha信息分析报告.pdfVIP

证券研究报告|2024年01月08日

金融工程专题研究

高频订单成交数据蕴含的Alpha信息

核心观点金融工程专题报告

深入高频：从日频行情数据到逐笔成交数据。金融工程·数量化投资

逐笔成交数据介绍：逐笔成交数据主要记录了每笔成交的数量、价格、时间

信息以及本次成交涉及的买卖双方的订单数量、价格和订单号信息。

考察高频订单的几个维度：对高频订单的考察通常可从订单大小、成交时长、

成交时间、出价高低等维度入手。

基于订单大小的大单交易占比因子

传统大单交易占比因子：采用分位点的方式对大单进行划分，构建“传统大

单交易占比”因子。该因子展现出一定的选股能力，但是总体来讲绩效较为

平庸，且稳定性较差。

传统大单交易占比因子拆解：根据每笔成交买卖订单是否为大单，对传统大

单交易占比因子进行拆解，发现子因子方向不同，导致因子效果变差。

改进大单交易占比因子：我们对构成大单交易占比因子的子因子方向进行调

整构建“改进后大单交易占比”。该因子RankIC均值达到7.6%，年化

RankICIR为3.73，月胜率88.1%，月度自相关系数0.81。

基于订单成交时长的漫长订单交易占比因子

漫长订单交易占比因子：采用分位点的方式对订单成交时长进行划分，构建

“漫长订单交易占比”因子，其RankIC均值为7.1%，年化RankICIR为

3.88，月胜率84.5%，月度自相关系数0.82。

衡量订单特征的其他维度

我们还可以从“早尾盘属性”及“高低价属性”出发，对订单包含的信息进

行多特征维度的衡量。

大单及漫长订单复合因子

大单及漫长订单复合因子：将“改进大单交易占比”因子和“漫长订单交易

占比”进行等权合成，构建“大单及漫长订单”复合因子。复合因子的RankIC

均值为8.4%，年化RankICIR为4.39，月胜率88.1%。周频调仓复合因子

的周度RankIC均值为5.1%，年化RankICIR为5.42，周胜率78.4%。

复合因子特征：复合因子更倾向于低估值、大市值、低波动、低换手股票。

在剥离掉传统选股因子后，纯净因子仍展现出稳健的选股能力。

基于订单特征的成交量占比因子的统一框架

基于订单特征的成交量占比因子的统一框架：基于委买单和委卖单的“大单

属性”和“漫长属性”，对不同类别的成交记录进行分类，分别检验不同类

型成交记录交易占比因子的选股能力。

基于订单特征的精选复合因子：精选复合因子的RankIC均值为8.5%，年

化RankICIR为5.06，月胜率90.5%。周频调仓精选复合因子的周度RankIC

均值为5.2%，年化RankICIR为6.57，周胜率82.6%。

风险提示：市场环境变动风险，本报告基于客观数据，不构成投资建议。

证券研究报告

内容目录

深入高频：从日频行情数据到逐笔成交数据5

深入高频：从日频行情数据到逐笔成交数据5

逐笔成交数据介绍7

考察高频订单的几个维度9

基于订单大小的大单交易占比因子10

大单定义及识别10

传统大单交易占比因子构建11

传统大单交易占比因子拆解13

改进大单交易占比因子表现15

基于订单成交时长的漫长订单交易占比因子16

订单成交大小与成交时长16

漫长订单定义及识别18

漫长订单交易占比因子构建19

漫长订单交易占比因子拆解21

衡量订单特征的其他维度22

基于早尾盘属性对订单进行划分22

基于高低价属性对订单进行划分23

大单及漫长订单复合因子24

改进大单交易占比因子VS漫长订单交易占比因子24

大单及漫长订单复合因子26

复合因子在不同样本空间中的表现27

周频调仓复合因子表现29

复合因子与常见选股因子相关性30

基于订单特征的成交量占比因子的统一框架31

基于订单特征的精选复合因子32

周频调仓精选复合因子表现35

参数敏感性检验36

改进大单交易占比因子参数